语义空间的刷新:互文性视域下弹幕视频的复调叙事探析

通过文本分析法与话语分析法对弹幕视频的多重语义空间进行解构,其复调叙事模式呈现为一种内外多层次的互文关系。由于弹幕这一叙事因素的后置性介入,影视创作者需要从前置环节调整叙事策略,以达成弹幕文本与影像文本之间多层次的“想象的互动”,在连续的互动、代入与共鸣中实现弹幕视频复调叙事的“多调协奏”。

语义空间下基于情感表达的生成式文本隐写方法

针对现有生成式文本隐写方法存在的“过度优化”文本质量以及生成的隐写文本在语义表达上缺乏约束等问题,提出了一种在语义空间下基于情感表达的生成式文本隐写方法。该方法利用新媒体平台提供的情景融合的伪装场景,研究如何利用无监督抽取模型从原始数据集中抽取情感表达组合候选集合,并基于改进的二部图排序算法对情感表达组合候选集合进行排序,得到情感表达组合集合;然后将其映射到语义空间,实现基于情感表达组合生成用户观点的同时嵌入秘密信息。实验结果表明,与同类语义空间下生成式文本隐写方法相比,所提方法生成的含密商品评论的困惑度最低可达10.536,且含密商品评论与主题具有较强相关性,进一步保证了隐写文本的认知隐蔽性,同时所提方法还可有效地用于安全保密通信领域,能够避免发送方被追踪溯源和关联分析。

基于多维情感语义空间的色彩表征方法

针对色彩与情感映射模型复杂且难以实现的问题,提出一种利用多维语义空间表征色彩的方法·首先从信息论角度出发,依据Lebesgue测度原理阐明了色彩情感语义信息的度量特征;然后利用语义分析法建立了表征RGB色彩的多维语义空间,结合Euclid空间探讨了RGB色彩与多维语义空间映射特点,并提出消除由语义维度和粒度冲突而引起的语义空洞的算法;最后以一个色彩设计系统对其进行应用验证·实验结果表明,该算法能够在不同维度与粒度层上实现色彩空间与情感语义空间的复杂映射·

基于概念语义空间的联想检索

为了快速准确地满足用户提出的检索需要，在大量的文本文件中检索出用户真正所 需的信息，首先在文本的概念空间上建立了概念语义空间并以此为基础建立了一个具有联想 功能的索引系统，其次运用大型语义词典为用户提供了一个智能型检索接口．该接口能主动分 析使用者输入的关键词，并确定使用者的实际检索需求 这种检索系统能够大大提高用户的检 索效率和准确度．

基于三维语义空间的色彩设计方法研究

从色彩的语义空间理论出发,研究了三维语义空间的构建原理,建立了抽象语言和色彩关联的三维风格语义空间,并在此基础上构建了基于三维语义空间的色彩设计方法模型,实现了基于三维语义空间的色彩设计的具体技术路线,以辅助用户能够快速的依据语义匹配原则进行色彩设计。最后,通过产品色彩设计实例验证了该方法在色彩设计中的应用。

基于语义空间的藏文微博情感分析方法

藏文微博具有独特的语法特点,传统方法对藏文文本进行情感分类很难取得较好效果。结合藏文句法结构和语义特征向量构建语义特征空间,提出了一种基于语义空间的藏文微博情感分析方法。首先使用句法树生成句法结构并结合语义特征向量构建特征空间,运用K-means方法聚类形成语义簇质心,将基于簇的TF-IDF值作为最终的微博情感特征值。实验结果表明,该方法的情感分类效果均优于SVM+TF-IDF和naive Bayes+最大熵的方法。

基于标签混合语义空间的音乐推荐方法研究

目前,音乐越来越受到人们的青睐。如何为用户推荐符合用户需求的歌曲成为了很多音乐网站、电台以及其他相关音乐媒介关心的话题。针对这个问题,该文选取了社会化标签作为推荐方法的主要依据,首先将其分别映射到流派、情感和上下文信息三个语义空间中,然后在三个空间分别计算用户和歌曲的相似度,最后通过不同方法将三个空间的相似度进行融合从而对用户进行歌曲推荐。实验表明,融合不同空间相似度的推荐方法得到了很好的效果。

结合概念语义空间的语义扩展技术研究

查询扩展是在原查询词的基础上加入相关的词或者词组,以克服自然语言的"二义性"问题,改进查询意愿的描述。在概念语义空间中进行查询词扩展,可以充分挖掘出查询词之间的关联程度,在整体上把握查询意愿。利用WordNet语义词典中的上下文关系和相似度关系为各个原始查询词构建语义树,并将这些语义树向上溯源建立完整的概念语义空间,以共现信息为特征参数对扩展源中的词进行筛选,以避免过度扩展引起查询语义漂移。还引入动态观察窗口加权模型,以强化共现信息对单词之间关联度的表示。实验结果表明,该扩展算法比传统伪相关反馈算法的扩展质量有明显提高。

语义空间系统:语义Web技术的新应用——基于语义整合Web资源与服务

通过介绍新近出现的语义Web应用———语义空间系统CS AKTive Space和miAKT,探讨了目前语义Web应用和语义Web技术现状及发展趋势,指出了目前语义Web应用发展中需要重点解决和研究的问题。

语义空间的研究方法

对于语义空间的研究一直是认知心理学研究的一个热点。由于对词汇语义系统的不同观点,科学家们试图从不同的角度采用不同的方法来进行研究。目前,有代表性的语义空间研究方法主要有两种:潜在语义分析(LSA)和语言的多维空间类比(HAL)。潜在语义分析是指利用奇异值分解的方法来探索文章中潜在的语义关系的方法;语言的多维空间类比则是利用多维量表(MDS)的方法来提取语义信息。

介词短语的语义空间

介词短语是空间表征的重要词汇语法资源,具有从具体到抽象空间跨域的语义功能,其认知目标之一在于建构语义空间。语篇分析证实,介词短语的语义空间可以营造语篇架构,行使语篇标记功能。语类分析证实,介词短语的语义空间可以组织语类模式、司职语类识别功能。

男西装情感语义空间研究

建立服装情感语义空间是实现计算机对服装图像情感识别及量化评价的重要前提。通过对男西装情感描述词的筛选、投票、初步确定、统计分析等过程探析,得出描述男西装情感的5对情感词对,为建立5维的男西装情感语义空间奠定基础。

基于语义空间信息映射加强的零样本学习方法

基于语义空间的类别描述信息进行零样本学习的难点是语义特征和图像特征之间存在偏差。对此提出一种基于语义空间信息映射加强的零样本学习方法。在词向量训练时进行数据增强,并将语义空间输出词向量连接全连接层进行语义分析加强并生成语义特征向量。图像使用VGG16卷积神经网络模型提取图像特征向量,结合语义特征向量进行余弦相似度匹配,基于对比损失得到改进的损失函数。实验结果表明,与使用属性特征进行零样本学习的方法对比,该方法的正确率提升了5.5%。

男T恤图像情感语义空间研究

采用文献探讨法、语意差异法和统计学的相关方法对男T恤情感描述词进行研究,通过筛选、投票、初步确定、统计分析过程得出了男T恤的情感描述词对,为建立男T恤情感语义空间奠定了基础。

基于深度学习的概念语义空间查询扩展研究

为解决信息检索应用实践中存在用户表达查询请求不够准确、文档与查询词不匹配以及查询优化等影响检索性能的问题,提出一种基于深度学习的概念语义空间查询扩展方法。利用深度学习算法为各个原查询词构建概念树,并使用WordNet将这些概念树向上溯源,建立完整的概念语义空间。以共现信息为特征参数对扩展源进行筛选,同时引入平均互信息及观察窗口得到相关度算法,通过共现信息衡量单词之间的关联度。在TREC数据集上的实验表明:与传统伪相关反馈算法的扩展质量相比,该扩展算法有所改进。

论语料库为基础的潜在语义空间内词义的量化分析

语料库是语言事实的采样,它为语言教学提供了真实的语言材料。高维语义空间的语义分析就是依靠语料库,在频率统计的基础上对词进行量化分析。这些统计结果和定量分析为在不同语境中更好地定义词义提供了依据,对语言工程、语言教学、和课件开发等都有重要的实践意义。具体来说,词义的矢量分析、词义的余弦值、词义的矩阵、词义的邻近词的关系以及建构语义空间实现词汇习得等都向我们揭示了在潜在词义空间内人类思维的矢向和发展。

一种有效的多文档文摘语义空间降维方法

基于多文档集合特征的多文档文摘生成方法在选取最优词时利用人工进行特征降维，方法过于机械，同时在回溯词．文档矩阵进行文本相似度计算时，存在对稀疏矩阵无法计算的问题。本文对话题追踪结果进行多文档文摘研究，提出一种有效的多文档文摘语义空间降维方法。新方法在整个话题范围内构造语义空间词-文档矩阵，采用奇异值分解对原始词．文档矩阵进行特征降维，同时构造能充分包含原始文档词汇信息且维数低的转换矩阵F，利用它来回溯词-文档矩阵，完成低维空间下的词相似度计算，进而完成文本单元相似度计算以及文本单元聚类，最终生成多文档自动文摘。实验结果表明，该方法能够对语义空间词．文档矩阵进行完美降维，同时避免稀疏矩阵无法计算的问题，对最终生成的多文档文摘有着很好的效果。

低维显式语义空间下的语义关联度计算方法

语义关联度计算是数据科学中的一个关键性基础问题,在信息检索及自然语言处理等方面有着广泛的应用.针对ESA(Explicit Semantic Analysis)算法存在的局限性,提出一种显式语义特征选择算法,并构建低维语义空间.在此基础上,根据特征概念在Wikipedia中的映射信息,提出一种低维显式语义空间下的语义关联度计算方法.该方法解决了ESA算法在后续语义关联度计算过程中,因高维稀疏空间导致计算效果不够准确的问题.实验结果表明,与当前其他方法相比,该方法的计算结果在皮尔逊相关系数(P)及斯皮尔曼相关系数(S)上与人们的认知判断之间具有更好的一致性.

科技文献的资源语义空间:一种细粒度知识组织方法

[目的/意义]大数据时代,引起科技文献信息过载的原因之一是当前科技文献检索系统大多还是采用以整篇文献为单位的粗粒度知识组织方式。为缓解信息过载,满足用户精准化的检索需求,深入到文献内部的细粒度知识组织变得更加迫切。[方法/过程]提出一种基于知识单元的细粒度知识组织方法,该方法将科技文献划分为多个知识单元,并分析知识单元之间及知识单元内部主题概念与元素概念间的语义关联,并以语义链接网络构建技术构建由科技文献资源层、知识单元描述层及知识单元语义链接层组成的、具有多层次语义链接关系的科技文献资源语义空间。[结果/结论]实验结果表明:该方法能够支持精准的细粒度知识单元检索,且具有良好的查全率和查准率。

基于语义空间的支持向量机的文本过滤

传统的基于支持向量机的文本过滤,用向量空间模型来表示文本和用户模板,向量空间模型假设特征项之间是线性无关的,该假设引入了许多因具体用词变化不定而带来的词汇噪音信息,影响了基于支持向量机的文本过滤的过滤性能。提出基于语义空间的支持向量机的文本过滤,用语义来表示文本和用户模板。该方法主要通过奇异值分解提取文本的潜在语义空间,在语义空间上训练支持向量机得到用户模板和过滤阈值,文本流上的文本映射到语义空间上,在语义空间上计算用户模板和新文本的相似度。实验表明:该方法的过滤性能可以达到 98. 67%。